Официальное руководство по обнаружению объектов YOLO v7 для Google Colab

Это руководство по YOLO v7 позволит вам запустить обнаружение объектов в Colab. Это полное руководство, охватывающее все версии детектора объектов YOLO v7. YOLO v7 только что вышел и демонстрирует улучшенные точность и скорость по сравнению с предыдущими версиями. В настоящее время YOLO v7 является самым быстрым и точным детектором объектов в мире. Данное руководство посвящено запуску предварительно обученных моделей YOLO v7 (всех семи версий).

YOLO v7 превосходит все известные детекторы объектов как по скорости, так и по точности в диапазоне от 5 до 160 кадров в секунду и обладает наивысшей точностью 56,8% AP среди всех известных детекторов объектов в реальном времени с частотой 30 кадров в секунду и выше на GPU V100.

*Код доступен для наших спонсоров Patreon*
  / thecodingbug  
--------------------------------------------
► Временные метки:
Введение: (0:00)
Настройка блокнота Colab: (0:22)
Монтирование Google Диска: (0:44)
Создание каталогов YOLOv7: (1:37)
Скачать модель YOLOv7: (2:46)
Изменение файлов кода: (3:21)
Копирование изображения и видео: (6:20)
Обнаружение объектов YOLOv7 на изображениях: (6:33)
Обнаружение объектов YOLOv7 на видео: (7:15)
--------------------------------------------
► Ссылки:
https://github.com/WongKinYiu/yolov7
---------------------------------------------
Хотите обсудить подробнее?
►Присоединяйтесь к моему Discord:   / discord  

#TheCodingBug
---------------------------------------------
► Другие мои обучающие материалы:
○ Обнаружение объектов в YOLOv7 (Win, Linux):    • Official YOLO v7 Custom Object Detection T...  
○ Полное обучающее пособие по YOLOv7 (Windows, Linux):    • Official YOLO v7 COMPLETE Object Detection...  
○ 40 моделей обнаружения объектов в TensorFlow:    • TensorFlow Object Detection with 40 Models...  
○ Обнаружение объектов в реальном времени на CPU с OpenCV:    • Realtime Object Detection Using OpenCV Pyt...  
○ Обучающее пособие по обнаружению объектов и сегментации экземпляров в DETECTRON2: Часть 2 (модели обучения):    • DETECTRON2 Custom Object Detection, Custom...  
○ Обнаружение объектов в DETECTRON2, руководство по сегментации экземпляров: Часть 1 (Подготовка данных):    • DETECTRON2 Custom Object Detection, Custom...  
○ Detectron2 в Colab:    • DETECTRON2 TUTORIAL for Colab | Object Det...  
○ Сегментация экземпляров в процессе рендеринга:    • DETECTRON2 PointRend Tutorial | Accurate I...  
○ Полное руководство по Detectron2:    • COMPLETE DETECTRON2 TUTORIAL | Instance Se...  
○ YOLOv4 на Android с использованием TFLite:    • YOLOv4 TFLite Object Detection Android App...  
○ Обнаружение объектов в YOLOv4 с помощью TensorFlow и TFLite:    • Custom Object Detection with TensorFlow YO...  
○ Обнаружение объектов в Darknet YOLOv4: Часть 2 (Обучение YOLOv4 Darknet):    • YOLOv4 Custom Object Detection Tutorial: P...  
○ Обнаружение объектов Darknet YOLOv4 Custom Object Detection: Часть 1 (Подготовка пользовательского набора данных):    • YOLOv4 Custom Object Detection Tutorial: P...  
○ Обнаружение объектов YOLOv4 с помощью TensorFlow, TFLite и TensorRT:    • YOLOv4 Object Detection with TensorFlow, T...  
○ Обнаружение объектов Darknet YOLOv4 для Windows 10 на изображениях, видео и веб-камерах:    • Darknet YOLOv4 Object Detection Tutorial f...  
○ Обнаружение объектов в реальном времени на веб-камерах и видео с помощью OpenCV с YOLOv3 и YOLOv4 | Windows Linux:    • YOLOv4 and YOLOv3 Object Detection  Using ...  
○ Отслеживание нескольких объектов в реальном времени с помощью YOLOv4 TensorFlow и глубокой сортировки | Linux, Windows:    • Object Tracking with TensorFlow YOLOv4 | L...  
---------------------------------------------
► Подпишитесь на нас в Twitter:   / bugcodingthe  
► Поддержите нас на Patreon:   / thecodingbug  
---------------------------------------------
ОТКАЗ ОТ ОТВЕТСТВЕННОСТИ: Ссылки в этом описании могут быть партнёрскими. Если вы приобретёте товар или услугу по предоставленным мной ссылкам, я могу получить небольшую комиссию. С вас не будет взиматься дополнительная плата!